多线程模式之Future模式

本文介绍了Future模式的基本概念,通过具体的代码示例展示了如何使用该模式来提高程序的响应速度,并介绍了JDK内置的Future模式实现。
1 Future模式简介
当某一程序提交了一个请求,期望得到一个答复,但是这个请求需要处理的时间可能很长,传统模式下这个请求是同步的,客户端必须等待请求响应之后才能执行其他操作。而在Future模式下客户端立刻拿到一个伪造的数据(相当于商品的订单,而非商品本身),而客户端在此期间可以调用其他业务逻辑,充分的利用了等待时间,这就是Future模式的核心所在。这样在整个调用过程中,就不存在无谓的等待,充分的利用了所有的时间片,从而提高了整体的响应速度。

如下图所示:


[img]http://dl2.iteye.com/upload/attachment/0105/0901/ce624503-5643-33f8-8e6c-19d4128ec3ba.jpg[/img]

2.代码示例
Main:
public class Main {
public static void main(String[] args){
Client client = new Client();
Data data = client.request("name");
System.out.println("请求完毕");
//这个相当于做了其他的业务操作,同时Future也在准备真实的数据,实现了并行,充分的利用了时间
try{
Thread.sleep(2000);
}catch (InterruptedException e){}
System.out.println("数据="+data.getResult());
}
}


Client:
public class Client {
public Data request(final String queryStr){
final FutureData futureData = new FutureData();
new Thread(){//构造真实数据,起了一个单独的线程,因为等待时间较长
public void run(){
RealData realData = new RealData(queryStr);
futureData.setRealData(realData);
}
}.start();
return futureData;
}
}


Data:
public interface Data {
public String getResult();
}


FututrData:

public class FutureData implements Data {
protected RealData realData = null;
protected boolean isReady = false;
//Client中RealData准备好后,调用的此方法。
public synchronized void setRealData(RealData realData){
if(isReady)
return;
this.realData = realData;
isReady = true;
notifyAll();//准备好了,通知取数据
}
public synchronized String getResult(){
while(!isReady){
try{
wait();//一直等待
}catch(InterruptedException e){
e.printStackTrace();;
}
}
return realData.result;
}
}


RealData:

public class RealData implements Data {
protected final String result;
public RealData(String para){
StringBuffer sb = new StringBuffer();
for(int i=0;i<10;i++){
sb.append(para);
try{
Thread.sleep(100);//模拟一个慢的请求
}catch(InterruptedException e){}
}
result = sb.toString();
}
public String getResult(){
return result;
}
}


3 JDK内置实现
JDK内置实现了Future模式。

RealData:

public class RealData implements Callable {
private String para;
public RealData(String para){
this.para = para;
}
public String call() throws Exception{//慢请求
StringBuffer sb = new StringBuffer();
for(int i=0;i<10;i++){
sb.append(para);
try{
Thread.sleep(100);
}catch(InterruptedException e){}
}
return sb.toString();
}
}


Main:
public class Main {
public static void main(String[] args) throws Exception{
FutureTask<String> future = new FutureTask<String>(new RealData("a"));
ExecutorService executor = Executors.newFixedThreadPool(1);
executor.submit(future);
System.out.println("请求完毕");
try{
Thread.sleep(2000);//其他业务操作
}catch (InterruptedException e){}
System.out.println("数据="+future.get());
}
}


《Java性能优化》 葛一鸣
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值